SKILLEMALL.ai

BC industry-intelligence

Отраслевая разведка — создание и поддержка базы данных конкурентов в определенной отрасли, постоянный сбор информации о регуляторных изменениях/политических изменениях, внимании СМИ, официальных публикациях компаний, деловой активности, цифровой трансформации предприятий, международных конкурентах, слухах. Оценка достоверности и влияния, генерация кратких или подробных отчетов. Активируйте этот навык, когда пользователь упоминает "отраслевая разведка", "динамика конкурентов", "отраслевые тенденции", "регуляторные тенденции", "политические тенденции", "база данных конкурентов", "сбор отраслевой информации", "слухи", "международные конкуренты", "цифровая трансформация предприятий", или когда он хочет узнать о конкурентной среде в определенной отрасли, отслеживать тенденции конкурентов.

машинный переводПоказать оригиналСкрыть оригинал«行业情报 — 构建并维护某一行业的竞争对手资源库,持续采集监管动态/政策动态、媒体关注、企业官方发布、业务动态、企业数智化动态、国际同行、江…»

行业情报 — 构建并维护某一行业的竞争对手资源库,持续采集监管动态/政策动态、媒体关注、企业官方发布、业务动态、企业数智化动态、国际同行、江湖传闻七大类信息,评估可信度与影响力,生成简报或详报。凡是用户提到"行业情报"、"竞争对手动态"、"行业动态"、"监管动态"、"政策动态"、"竞争对手资源库"、"行业情报收集"、"江湖传闻"、"国际同行"、"企业数智化",或者想了解某个行业的竞争格局、跟踪同业动向时,都应触发本 skill。

ClawHub Agent Skills автор: citywanderr v1.3.0 MIT-0 20 файлов тело ≈ 4 844 токенов Открыть источникclawhub.ai проанализирован 3 дн назад

Отраслевая разведка — создание и поддержка базы данных конкурентов в определенной отрасли, постоянный сбор информации о регуляторных изменениях/политических…

Как процесс C 62/100 · Есть пробелы — слабые места: когда включается, входы и предусловия, повторный запуск

ПроцедураPDFРазработкатип и темы размечены автоматически по тексту скилла
JSON
Технический рейтинг
B
88/100
безопасность, качество, тесты
Безопасность 60%
100
Качество 40%
71
Прогон на моделях
не было
Процессный рейтинг
C
62/100
Есть пробелы
Входы и предусловия вес 11
0
Когда включается вес 12
20
Повторный запуск вес 4
30
три самых слабых из десяти параметров · все десять

Как улучшить

  1. Скажите в description, КОГДА применять скилл («используй, когда…», примеры запросов): это главный сигнал для агента.
Для прогона на моделях — необязательно
  • Свои кейсы (evals/evals.json, 4–6 реальных запросов с ожидаемыми ответами): тогда полная проверка прогонит именно их, а не черновик от модели.
  • spec.yaml с триггерными фразами и утверждениями — контракт поведения для CI; `skilltest init` создаст шаблон.

Находки guard · 0

✓ Критических и высоких находок нет

Просканировано файлов: 20. Улики замаскированы. Пометки в серых чипах объясняют, почему серьёзность понижена.

По спецификации Agent Skills

  • предупреждение description-no-when description не говорит, КОГДА применять скилл (нет "use when / используй когда")

Процессный рейтинг: все десять параметров 62/100

  • 0Входы и предусловия. Не сказано, что нужно иметь на входе
  • 20Когда включается. Не сказано, при каком запросе скилл включается
  • 30Повторный запуск. Изменяющих операций: 2, без проверки текущего состояния
  • 60Инструменты и файлы. Используются инструменты (bash, web, python, node), но во frontmatter они не объявлены
  • 60Результат и критерий готовности. Формат результата описан, критерия завершения нет
  • 70Стоимость исполнения. Тело инструкции 4844 токенов
  • 100Шаги. Шагов: 128
  • 100Ошибки и развилки. Развилок: 2, есть раздел про ошибки
  • 100Согласованность. Имя и обязательные поля на месте
  • 100Отчётность по ходу. Скилл сообщает о ходе работы
  • medium Правила безопасности и запреты внутри скилла: их место в системном промпте, здесь они не защищают

Всё перечисленное измерено по тексту скилла, а не оценено моделью: цифры проверяемы. Вес параметра тем больше, чем чаще из-за него процесс встаёт.

Сигналы качества

  • +4Описание не говорит, когда скилл НЕ применять (ложные срабатывания)
  • -4Абсолютные локальные пути (C:\Users, /home/…): скилл не переносим
  • -225 эмодзи в инструкциях: шум для модели
  • -32 из 5 скриптов не упомянуты в SKILL.md
  • +1Лицензия не указана
  • +2Инструкции на одном языке
  • +5В description 3 примера фраз-триггеров в кавычках
  • +3Длина description 216 символов: достаточно сигнала, не съедает бюджет
  • +4Структура: 37 заголовков
  • +3Пошаговые инструкции: 128 пунктов
  • +3Формат ответа описан явно
  • +4Есть примеры (8 блоков кода)

База качества 70; замечания lint вычитаются, сигналы прибавляют до 100. Итог: 71.

Внешние проверки

ClawHub: clean
This appears to be a legitimate industry-news collection and reporting skill, with disclosed use of web fetching, local helper scripts, optional dependency downloads, and reusable workspace files.
LLM: benign (medium) · VirusTotal: · 29 мая 2026 г.